Kravl, gå, løb: AI-drevne bygninger

Processen med at optimere bygningers effektivitet er en trinvis proces. Ligesom mennesker skal lære at kravle og derefter gå, før de kan løbe, skal bygningsadministratorer først indsamle relevante basisdata om energiforbruget i forbindelse med systemer såsom klimaanlæg og belysning. Som vi alle ved, kan man ikke rette op på noget, hvis man ikke kan måle det.

Dernæst kan bygningsadministratorer anvende de indsamlede data til at foretage trinvise forbedringer inden for områder såsom energieffektivitet, drift og komfort.

"Løb" i sammenhæng med bygningsadministration finder sted, når data fra forskellige kilder i en bygning og endda på tværs af flere bygninger integreres, analyseres og handles på i realtid, autonomt baseret på AI.

Efter min mening er fremtiden for bygninger følgende: bæredygtige, autonome bygninger med lavere vedligeholdelsesomkostninger.

På nogle måder er den fremtid allerede kommet

Implementering og tilslutning af sensorer

Den største forhindring for mere bæredygtige og rentable bygninger er manglen på data om bygningssystemer og drift. Vi er nødt til at løse problemet med dataindsamling, både i fase 1 og fase 2, og det gør vi ved at installere sensorer og forbinde dem med det eksisterende lokale bygningsstyringssystem.

Klimaanlæg bruger op til 70 % af den årlige energi i bygninger, og variationer i faktorer såsom luftstrøm, luftfugtighed, tryk og temperatur påvirker systemernes ydeevne. Sensorer, der sporer variabler såsom disse, skaber en stor mængde information, der kan udnyttes af AI-algoritmer til at opnå et effektivitetsniveau, der ellers ikke ville være muligt. På samme måde kan tilstedeværelses- og bevægelsessensorer generere realtidsdata om brugen af en bygning, som kan udnyttes til at forbedre effektiviteten.

Indsamling af data er afgørende, og aggregering af data fra flere kilder – såsom bygningsautomatisering og bygningsstyringssystemer – mangedobler dine muligheder for at forbedre rentabiliteten og effektiviteten i en enkelt bygning og også blandt flere bygninger i en portefølje. Eftersom bygninger er ansvarlige for 40 % af det samlede energiforbrug på verdensplan, har en reduktion af energiforbruget i denne sektor globale indvirkninger på klimaet.
Analyse med AI kan også hjælpe med at nedbringe systemets nedetid og forbedre effektiviteten ved at opdage unormal adfærd i systemkomponenter såsom ventiler og udløse en vedligeholdelsesalarm.

Fordi vedligeholdelse og omskoling af Building X-algoritmer foregår automatisk, fortsætter modellerne med at opretholde deres nøjagtighed, når forholdene og de tilknyttede data ændres. Vi mener, at den bedste AI er den, der arbejder i baggrunden og giver kunderne mulighed for at fokusere på deres forretning.

Vi har indbygget algoritmer i Building X, som giver dig mulighed for at foretage en vis grad af optimering af et dusin forskellige aspekter af bæredygtighed, forskellige aspekter af energiforbrug og forskellige aspekter af sikkerhed og drift. Det er en rejse, og vi er kun lige begyndt på den.

Fremtidige muligheder med autonom adfærd

I lyset af nødvendigheden af at opskalere intelligent infrastruktur og automatiseringsløsninger til bygninger, der stadig mangler dem, har vi lanceret Siemens Xcelerator. Building X er en del af denne åbne digitale forretningsplatform, som gør det muligt for kunderne at fremskynde deres digitale transformation nemmere, hurtigere og i stor skala. Siemens Xcelerator er vores invitation til partnere, kunder og udviklere om at samarbejde – og om at gøre AI til industriel kvalitet. Og efterhånden som der kommer flere sensorer, og AI bliver mere kraftfuld, ser vi yderligere muligheder for at gøre bygningsadministration mere bæredygtig, produktiv og rentabel.

På nuværende tidspunkt kan AI proaktivt opdage fejl, før de opstår, men i fremtiden kan den konfigureres til at foretage handlinger såsom at udløse en bestilling på baggrund af de data, den indsamler. Den kan også optimere pladsudnyttelsen for at fremme energieffektiviteten ved at foreslå arbejdssteder for medarbejderne i en bygning, så de er koncentreret i et centralt område, der opvarmes eller afkøles afhængigt af årstiden.

Selvom AI bliver mere autonom, vil den dog stadig være styret af de parametre, som bygningsadministratorer definerer for den. Algoritmerne kan f.eks. justere hyppigheden af luftudskiftning for at beskytte beboernes helbred i årstider med forkølelse og influenza, eller en bygningsejer kan bede systemet om at optimere komponenterne i klimaanlægget for at forlænge systemets levetid.

Fase tre er autonom adfærd, hvor alt dette sker af sig selv på en løbende basis. Der er stadig lang vej igen, før vi kan tilføje flere funktioner og optimere hvert eneste bygningsaktiv. De potentielle fordele – for organisationernes bundlinjer og for det miljø, vi alle deler – er enorme.

Rahul Chillar er Senior Vice President og Head of Building X hos Siemens Smart Infrastructure